AwesomeREA.org

2024 · 会议论文

WaDec：基于大语言模型的 WebAssembly 反编译

WaDec: Decompiling WebAssembly Using Large Language Model

Xinyu She; Yanjie Zhao; Haoyu Wang

WaDec 使用循环级 wat–C 代码片段对，以 LoRA 微调 CodeLlama-7b，将 WebAssembly 文本格式（wat）反编译为 C。它按依赖关系排列函数并进行切片，使每个输入至多包含一个循环，嵌套循环以标记替代。提示中补充被调用函数的声明、此前已定义的局部变量以及偏移到字符串的映射；随后重组输出，恢复字符串常量并重命名变量。训练数据来自经 Emscripten 编译的 51,768 个 the-stack-dedup 程序和 377 个 TheAlgorithms/C 程序。作者在 3,977 个 C 文件上报告，代码膨胀率为 3.34%，可重新编译率为 52.11%，可重新执行率为 43.55%，输出一致率为 27.15%，并与 Wasm2c 及 Ghidra 进行比较。

研究范围与局限

所报告的比率是作者在经 Emscripten 编译为 Wasm 的 C 程序上取得的结果。约一半输出可重新编译，不到一半可重新执行，约四分之一能复现原始输出，因此反编译代码总体上并不语义等价。含 3,977 个文件的基准与训练程序来自相同的两个来源。未评估优化构建：作者既未针对 O1/O2 代码调整方法，也未用其训练模型。模型处理数据结构的能力也较弱，常将其拆成独立变量或数组。研究仅涉及 C 源码，未评估由其他语言或工具链生成的 Wasm。基线为 Wasm2c 与 Ghidra 的 Wasm 插件；由于没有大语言模型能在未经微调时反编译 Wasm 函数，此类基线被排除。切片意味着一个函数可能需多次反编译，每个提示约需 0.1 至 2 秒。

与本合集的关联

补充带重新编译与重新执行检查的大语言模型 WebAssembly 反编译方法，与本节中的原生二进制反编译研究及目录中的 WebAssembly 工具互补。

发表与复核详情

发表载体
ASE 2024
发表状态
会议论文
出版／提交日期
2024 年 10 月 27 日
日期依据
ACM 提交的 Crossref 元数据将纸质与在线出版日期均记为 2024-10-27。该日期恰为 10 月 27 日至 11 月 1 日会议的首日；本条目依据出版方记录，而非根据会议日程推定。
arXiv 首次提交
2024 年 6 月 17 日
arXiv
2406.11346
已复核的 arXiv 版本
v3
DOI
10.1145/3691620.3695020

ACM 提交的 Crossref 元数据给出三位作者的顺序、481–492 页码及 2024-10-27 出版日期。所审阅的 arXiv v3（2024-09-11，备注“This paper was accepted by ASE 2024”）载有 ACM 引用格式与 DOI；v1 发布于 2024-06-17。论文脚注将 github.com/XinyuShe/WaDec 列为复现产物，但其参考文献和 README 中的克隆命令仍指向匿名评审镜像。所审阅的 2024-07-24 快照包含数据集构建笔记本、一份评估 JSON 文件以及推断与指标脚本，但没有许可证文件或声明，因此不推定为开放许可。README 仅列出 Python 3.x 与 Git 作为前提条件，并指向 wadecc/FGW2C 数据集（110,096 条样本，未声明许可证）及 wadecc/Wat2c 模型；后者是 LoRA 适配器，其配置将 codellama/CodeLlama-7b-hf 列为基座模型，因此基座模型自身的许可证同样适用。本次未下载或运行数据集、模型或代码。

来源复核于

本合集仅做来源复核，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。

一手来源

  1. https://dl.acm.org/doi/10.1145/3691620.3695020
  2. https://api.crossref.org/works/10.1145/3691620.3695020
  3. https://arxiv.org/abs/2406.11346
  4. https://arxiv.org/pdf/2406.11346v3
  5. README.md GitHub · XinyuShe/WaDec · 修订 e244f71
  6. Scripts/infering.py GitHub · XinyuShe/WaDec · 修订 e244f71
  7. https://huggingface.co/datasets/wadecc/FGW2C/blob/572a8501594303a369df1b0152812a5e9e0f16ed/README.md
  8. https://huggingface.co/wadecc/Wat2c/blob/e7e740ea819fedbc7da19b7a22f82b4b2c049a90/adapter_config.json